Jay Ferro, Chief Information, Technology and Product Officer, Clario – Интервью-серия

Jay Ferro является Chief Information, Technology and Product Officer в Clario, он имеет более 25 лет опыта руководства командами информационных технологий и продукта, с сильным акцентом на защите данных и страстью к созданию технологий и продуктов, которые оказывают значительное влияние.

До прихода в Clario Jay занимал руководящие должности, включая CIO, CTO и CPO, в глобальных организациях, таких как Quikrete Companies и American Cancer Society. Он также является членом совета директоров Allata, LLC. Его профессиональные достижения были признаны несколько раз, включая награды от Atlanta Technology Professionals как Executive Leader of the Year и HMG Strategy как Mid-Cap CIO of the Year.

Clario является лидером в управлении клиническими испытаниями, предлагая комплексные технологии конечных точек для трансформации жизни посредством надежного и точного сбора доказательств. Специализируясь на онкологических испытаниях, Clario подчеркивает пациент-отчетные результаты (PROs), чтобы повысить эффективность, обеспечить безопасность и улучшить качество жизни, выступая за электронные PROs как более экономически эффективную альтернативу бумаге. С опытом в терапевтических областях и глобальном регуляторном соблюдении Clario поддерживает децентрализованные, гибридные и сайт-ориентированные испытания в более чем 100 странах, используя передовые технологии, такие как искусственный интеллект и подключенные устройства. Их решения оптимизируют процессы испытаний, обеспечивая соблюдение и удержание через интегрированную поддержку и обучение пациентов и спонсоров.

Clario интегрировала более 30 моделей ИИ на различных этапах клинических испытаний. Можете ли вы предоставить примеры того, как эти модели улучшают конкретные аспекты испытаний, такие как онкология или кардиология?

Мы используем наши модели ИИ, чтобы доставить скорость, качество, точность и конфиденциальность нашим клиентам в более чем 800 клинических испытаниях. Я горжусь тем, что наши инструменты не просто часть цикла ажиотажа вокруг ИИ – они доставляют реальную ценность нашим клиентам в этих испытаниях.

Сегодня наши модели ИИ в основном делятся на четыре категории: защита данных, помощь в контроле качества, помощь в чтении и анализ чтения. Например, у нас есть инструменты в медицинской визуализации, которые могут автоматически удалять личную идентифицирующую информацию (PII) в статических изображениях, видео или PDF. Мы также используем инструменты ИИ, которые доставляют данные с быстрой оценкой качества во время загрузки – поэтому существует много уверенности в этих данных. Мы разработали инструмент, который непрерывно контролирует качество сигнала ЭКГ, и другой, который подтверждает правильные идентификаторы пациентов. Мы разработали инструмент помощи в чтении, который позволяет предсказать срез, распространение поражения и обнаружение заболевания. Кроме того, мы улучшили анализ чтения, автоматизируя и стандартизируя интерпретацию данных с помощью инструментов, таких как поддержка ИИ количественной оценки язвенного колита Майо.

Это лишь несколько примеров типов моделей ИИ, которые мы разрабатываем с 2018 года, и хотя мы сделали много прогресса, мы только начинаем.

Как Clario обеспечивает, чтобы ИИ-инсайты поддерживали высокую точность и последовательность в различных средах испытаний?

Мы постоянно обучаем наши модели ИИ на огромных объемах данных, чтобы понять разницу между хорошими данными и данными, которые не хороши или не имеют отношения. В результате наш ИИ-анализ данных обнаруживает, предварительно анализирует богатую историю данных и в конечном итоге приводит к более высококачественным результатам для наших клиентов.

Наши решения для спирометрии прекрасно иллюстрируют, почему мы делаем это. Клиницисты используют спирометрию, чтобы помочь диагностировать и контролировать определенные заболевания легких, измеряя, сколько воздуха пациент может выдохнуть за один вдох. Существует множество ошибок, которые могут возникнуть, когда пациент использует спирометр. Они могут выполнить тест слишком медленно, кашлять во время теста или не смогут сделать полный герметик вокруг嘴pieces спирометра. Любая из этих переменных может вызвать ошибку, которая может не быть обнаружена до тех пор, пока человек не проанализирует результаты. Мы обучили глубокие модели обучения на более чем 50 000 примеров, чтобы узнать разницу между хорошим чтением и плохим чтением. С нашими устройствами и алгоритмами клиницисты могут видеть ценность данных в режиме реального времени, а не ждать человеческого анализа. Это имеет значение, потому что некоторые пациенты могут ехать несколько часов, чтобы участвовать в клиническом испытании. Представьте, что вы едете это расстояние домой от сайта, только чтобы узнать, что вам придется пройти еще один тест на спирометрию на следующей неделе, потому что первый показал ошибку. Наши модели ИИ доставляют точные повторные чтения, пока пациент еще находится на сайте. Если есть ошибка, ее можно исправить на месте. Это только один из способов, которыми мы работаем над снижением нагрузки на сайты и пациентов.

Можете ли вы рассказать о том, как модели ИИ Clario сокращают время сбора данных без компрометации качества данных?

Генерация данных самого высокого качества для клинических испытаний всегда является нашим фокусом, но природа наших алгоритмов ИИ означает, что захват и анализ ускоряются драматически. Как я упоминал, наши алгоритмы позволяют нам проводить анализ контроля качества быстрее и с более высоким уровнем точности, чем человеческая интерпретация. Они также позволяют нам проводить проверки качества во время ввода данных. Это означает, что мы можем выявить отсутствующие, ошибочные или плохие данные пациента, пока пациент еще находится на сайте испытания, а не сообщать об этом ему через несколько дней или недель.

Как Clario решает проблемы децентрализованных и гибридных испытаний, особенно в плане защиты данных, вовлечения пациентов и качества данных?

В эти дни децентрализованное испытание – это просто испытание с гибридным компонентом. Я думаю, что концепция использования пациентами своих собственных устройств или подключенных устройств дома открывает двери для больших возможностей в испытаниях, особенно в плане доступности. Сделать испытания проще для участия – это ключевой фокус нашей технологической дорожной карты, которая направлена на разработку решений, которые улучшают разнообразие пациентов, оптимизируют набор и удержание, увеличивают удобство для участников и расширяют возможности для более инклюзивных клинических испытаний. Мы предлагаем спирометрию на дому, измерение артериального давления на дому, электронные клинические результаты (eCOA) и другие решения, которые доставляют ту же целостность данных, что и более традиционные решения, и мы делаем это в сотрудничестве с нашими экспертами по конечным точкам и терапевтическим областям. Результатом является лучший опыт пациента для лучших данных конечных точек.

Какие уникальные преимущества предлагает подход Clario, основанный на ИИ, для сокращения сроков и затрат на испытания для фармацевтических, биотехнологических и медицинских компаний?

Мы разрабатываем инструменты ИИ с 2018 года, и они проникли во все, что мы делаем внутри и, конечно, во всю нашу линейку продуктов. И то, что никогда не покидало нас, – это обеспечение того, что мы делаем это ответственно: сохранение людей в цикле, партнерство с регулирующими органами, партнерство с нашими клиентами и включение наших юридических, конфиденциальных и научных команд, чтобы убедиться, что мы делаем все правильно.

Ответственное развитие и развертывание ИИ должно повлиять на наших клиентов несколькими положительными способами. Основой нашей программы ИИ являются то, что мы считаем первой в отрасли Принципами ответственного использования. Каждый, кто в Clario касается ИИ, следует этим пяти принципам. Среди них мы принимаем все меры, чтобы убедиться, что мы используем наиболее разнообразные данные, доступные для обучения наших алгоритмов. Мы отслеживаем и тестируем, чтобы обнаружить и смягчить риски, и мы используем только анонимизированные данные для обучения моделей и алгоритмов. Когда мы применяем такие руководящие принципы при разработке нового инструмента ИИ, мы можем быстро доставить точные данные – в масштабе – которые снижают предвзятость, увеличивают разнообразие и защищают конфиденциальность пациентов. Чем быстрее мы можем получить точные данные для спонсоров, тем больше влияние на их дно и, в конечном итоге, на результаты пациентов.

Модели ИИ иногда могут отражать предвзятости, присущие данным. Какие меры принимает Clario, чтобы обеспечить справедливый и беспристрастный анализ данных в испытаниях?

Мы знаем, что предвзятость возникает, когда набор данных для обучения слишком ограничен для его предполагаемого использования. Первоначально набор данных может показаться достаточным, но когда конечный пользователь начинает использовать инструмент и толкает ИИ за пределы того, на что он был обучен реагировать, это может привести к ошибкам. Chief Medical Officer Clario, доктор Тодд Рудо, иногда использует этот пример: Мы можем обучить модель, чтобы определить правильное размещение свинцов в электрокардиограммах (ЭКГ), чтобы клиницисты могли сказать, поставили ли техники свинцы в правильные места на теле пациента. У нас есть тонны отличных данных, поэтому мы можем обучить эту модель на 100 000 ЭКГ. Но что происходит, если мы обучим нашу модель ИИ только с помощью данных от взрослых? Как модель отреагирует, если ЭКГ сделана на 2-летнем пациенте? Очевидно, что она потенциально может пропустить ошибки, которые имеют влияние на лечение.

Это почему в Clario наши команды продукта, данных, исследований и разработки, а также научные команды тесно сотрудничают, чтобы убедиться, что мы используем наиболее полные данные для обучения, чтобы обеспечить точность и надежность в реальных приложениях. Мы используем наиболее разнообразные данные, доступные для обучения алгоритмов, включенных в наши продукты. Это также почему мы настаиваем на использовании человеческого надзора для смягчения рисков во время разработки и использования ИИ.

Как процесс надзора и мониторинга Clario интегрируется с выводами ИИ, чтобы обеспечить соблюдение регулирующих требований и этических стандартов?

Человеческий надзор означает, что у нас есть команды людей, которые знают точно, как наши модели разрабатываются, обучаются и проверяются. И во время разработки, и после того, как мы интегрировали модель в технологию, наши эксперты отслеживают выводы, чтобы обнаружить потенциальную предвзятость и обеспечить, что выводы справедливы и надежны. Я считаю, что ИИ – это о дополнении науки и человеческого гения. ИИ дает людям возможность сосредоточиться на более высоком уровне сложности. Мы невероятно хороши в решении проблем и все еще намного лучше в интуиции и нюансах, чем машины. В Clario мы используем ИИ, чтобы удалить бремя повторяющихся вещей. Мы используем его для анализа широких наборов данных, будь то изображения пациентов, предыдущие испытания или любая другая вещь, которую мы хотим проанализировать. Обычно машины могут делать это быстрее, и в некоторых случаях лучше, чем люди могут. Но они не могут заменить человеческую интуицию и науку, и реальный опыт, который замечательные люди в нашей отрасли имеют.

Как вы представляете себе влияние ИИ на клинические испытания в ближайшие несколько лет, особенно в областях, таких как онкология, кардиология и респираторные исследования?

В онкологии я взволнован продвижением применения ИИ в радиомике, который извлекает количественные метрики из медицинских изображений. Радиомика включает в себя несколько шагов, включая получение изображений опухолей, предварительную обработку изображений, извлечение функций и разработку моделей, за которыми следует проверка и клиническое применение. Используя все более сложные ИИ, мы сможем предсказать поведение опухоли, адаптировать реакцию на лечение и предвидеть результаты пациентов на основе неинвазивной визуализации опухолей. Мы сможем использовать его для обнаружения ранних признаков заболевания и раннего обнаружения рецидива заболевания. По мере того, как более совершенные инструменты ИИ становятся более интегрированными в радиомику и клинические рабочие процессы, мы увидим巨альные шаги в онкологии и уходе за пациентами.

Я также взволнован будущим респираторных исследований. В этом году мы приобрели ArtiQ, бельгийскую компанию, которая разработала модели ИИ для улучшения сбора респираторных данных в клинических испытаниях. Ее основатель теперь является моим Chief AI Officer, и мы ожидаем больших дел в респираторных решениях. Наш подход к применению алгоритмов стал игроком, не в последнюю очередь потому, что он помогает снижать нагрузку на пациентов и сайты. Когда данные об выдохе не анализируются в реальном времени, и обнаруживается аномалия, это заставляет пациента вернуться в клинику для повторного теста. Это не только добавляет стресс для пациента, но также может создать задержки и дополнительные затраты для спонсора испытания, и это приводит к различным операционным проблемам. Наши новые устройства для спирометрии используют модели ArtiQ, чтобы решить эту проблему, предлагая近 реальное чтение. Это означает, что если возникают проблемы, они выявляются и решаются сразу, пока пациент еще находится в клинике.

Наконец, мы разрабатываем инструменты, которые будут иметь влияние на терапевтические области. Скоро, например, мы увидим, как ИИ доставляет все больше ценности в электронных клинических результатах (eCOA). Мы увидим модели ИИ, которые захватывают и измеряют тонкие изменения, испытываемые пациентом. Эта технология поможет множеству исследователей, но, например, исследователям Альцгеймера будет легче понять, на какой стадии заболевания находится пациент. С таким знанием эффективность лекарства может быть лучше оценена, а пациенты и их опекуны могут быть лучше подготовлены к управлению заболеванием.

Какую роль, по вашему мнению, ИИ будет играть в расширении разнообразия в клинических испытаниях и улучшении здоровья справедливости в популяциях пациентов?

Если вы смотрите на ИИ только через техническую линзу, я думаю, вы попадаете в неприятности. ИИ нужно подходить со всех сторон: техники, науки, регулирования и так далее. В нашей отрасли истинное совершенство достигается только через человеческое сотрудничество, которое расширяет способность задавать правильные вопросы, такие как: “Используем ли мы модели, которые принимают во внимание возраст, пол, гендер, расу и этническую принадлежность?” Если все остальные в нашей отрасли задают такие вопросы перед разработкой инструментов, ИИ не только ускорит разработку лекарств, но и ускорит ее для всех популяций пациентов.

Можете ли вы поделиться планами Clario или прогнозами для эволюции ИИ в секторе клинических испытаний в 2025 году и далее?

В 2025 году мы увидим, как биофарма использует ИИ и анализ в реальном времени, как никогда раньше. Эти достижения оптимизируют клинические испытания и улучшат принятие решений. Ускоряя построение испытаний и реализуя мониторинг, основанный на риске, мы сможем ускорить сроки, облегчить нагрузку на пациентов и позволить спонсорам доставить спасающие жизни методы лечения с большей точностью и эффективностью. Это интересное время для всех нас, когда мы работаем вместе, чтобы трансформировать здравоохранение.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить Clario.